加拿大社区健康调查 2002:第1.2周期,心理健康与福祉
本数据集为加拿大社区健康调查(CCHS)2002年第1.2周期心理健康与福祉专题的微观数据文件。CCHS 是面向加拿大人口的横断面调查,采集健康状况、医疗保健利用和健康决定因素等信息,采用两年一个采集周期:第“.1”年为大规模一般人群健康调查,第“.2”年为较小规模调查,针对特定健康主题提供省级结果

基本信息
资源简介
加拿大社区健康调查 2002:第1.2周期,心理健康与福祉
Canadian Community Health Survey, 2002: Cycle 1.2, Mental Health and Well-being
本数据集为加拿大社区健康调查(CCHS)2002年第1.2周期心理健康与福祉专题的微观数据文件。CCHS 是面向加拿大人口的横断面调查,采集健康状况、医疗保健利用和健康决定因素等信息,采用两年一个采集周期:第“.1”年为大规模一般人群健康调查,第“.2”年为较小规模调查,针对特定健康主题提供省级结果。本周期主要测量与加拿大人心理健康相关的方面,目标包括提供及时、可靠的心理健康决定因素、心理健康状况等的横断面估计,可用于心理健康相关研究与分析(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):加拿大社区健康调查(CCHS)是一项横断面调查,收集与加拿大人口健康状况、医疗保健利用和健康决定因素相关的信息。CCHS 以两年为一个采集周期运行。调查周期的第一年“.1”是一项大规模的一般人群健康调查,旨在提供健康区域层面的可靠估计。调查周期的第二年“.2”是一项规模较小的调查,旨在针对特定的重点健康主题提供省级结果。本微观数据文件包含第1.2周期心理健康与福祉所采集的数据。本周期主要测量与加拿大人心理健康相关的方面。CCHS 心理健康与福祉的主要目标是:提供及时、可靠的心理健康决定因素、心理健康状况和 ment 的横断面估计
【主题与分类】
主题标签:Coping、Attack、Illness、Fear、Alcohol、Disability、Health、Activities、Care、Mania。本站分类:精神与行为障碍。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A18a8643ee0a05e93a25a2af8f0ed4aa87923a53e84843d69b5edbc5197b45524
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
加拿大社区健康调查(CCHS)是一项横断面调查,旨在收集有关加拿大人口健康状况、医疗保健利用及健康决定因素的信息。CCHS以两年为一个收集周期。调查周期的第一年“.1”是大样本的一般人群健康调查,旨在提供健康区域级别的可靠估计。调查周期的第二年“.2”是规模较小的调查,旨在针对特定重点健康主题提供省级结果。本微数据文件包含周期1.2心理健康与福祉所收集的数据。该周期主要测量与加拿大人心理健康相关的方面。
CCHS心理健康与福祉调查的主要目标是:提供及时、可靠、跨区域的加拿大心理健康决定因素、心理健康状况及心理健康系统利用情况的横截面估计;确定特定精神障碍的患病率,以评估疾病负担的影响;将心理健康服务的获取和利用与感知需求进行对比;评估心理健康问题对个人和社会造成的失能影响。信息收集于2002年5月至2002年12月期间,覆盖十个省份。第1.2周期收集了居住在私人住宅中15岁及以上人群的回复。抽样框架排除了居住在印第安保留地和王室土地上的个人、医疗机构住院者、加拿大武装部队全职成员以及某些偏远地区的居民。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




